带参数的自定义激活

我正在尝试在 Keras 中创建一个可以接受参数的激活函数beta像这样：

from keras import backend as K
from keras.utils.generic_utils import get_custom_objects
from keras.layers import Activation

class Swish(Activation):

    def __init__(self, activation, beta, **kwargs):
        super(Swish, self).__init__(activation, **kwargs)
        self.__name__ = 'swish'
        self.beta = beta


def swish(x):
    return (K.sigmoid(beta*x) * x)

get_custom_objects().update({'swish': Swish(swish, beta=1.)})

它运行良好，无需beta参数，但是如何在激活定义中包含该参数？我也希望在执行此操作时保存该值model.to_json()就像 ELU 激活一样。

Update:我根据@today的回答编写了以下代码：

from keras.layers import Layer
from keras import backend as K

class Swish(Layer):
    def __init__(self, beta, **kwargs):
        super(Swish, self).__init__(**kwargs)
        self.beta = K.cast_to_floatx(beta)
        self.__name__ = 'swish'

    def call(self, inputs):
        return K.sigmoid(self.beta * inputs) * inputs

    def get_config(self):
        config = {'beta': float(self.beta)}
        base_config = super(Swish, self).get_config()
        return dict(list(base_config.items()) + list(config.items()))

    def compute_output_shape(self, input_shape):
        return input_shape

from keras.utils.generic_utils import get_custom_objects
get_custom_objects().update({'swish': Swish(beta=1.)})
gnn = keras.models.load_model("Model.h5")
arch = gnn.to_json()
with open(directory + 'architecture.json', 'w') as arch_file:
    arch_file.write(arch)

然而，它目前不保存beta.json 文件中的值。怎样才能让它保值呢？

由于您想在序列化模型时保存激活函数的参数，因此我认为最好将激活函数定义为像这样的层Keras 中定义的高级激活 https://github.com/keras-team/keras/blob/master/keras/layers/advanced_activations.py。你可以这样做：

from keras.layers import Layer
from keras import backend as K

class Swish(Layer):
    def __init__(self, beta, **kwargs):
        super(Swish, self).__init__(**kwargs)
        self.beta = K.cast_to_floatx(beta)

    def call(self, inputs):
        return K.sigmoid(self.beta * inputs) * inputs

    def get_config(self):
        config = {'beta': float(self.beta)}
        base_config = super(Swish, self).get_config()
        return dict(list(base_config.items()) + list(config.items()))

    def compute_output_shape(self, input_shape):
        return input_shape

然后您可以像使用 Keras 层一样使用它：

# ...
model.add(Swish(beta=0.3))

Since get_config()方法已在其定义中实现，参数beta使用类似方法时会被保存to_json() or save().